使用dplyr对连续变量进行分类

Question

我想根据连续数据创建一个包含3个任意类别的新变量。

set.seed(123)
df <- data.frame(a = rnorm(100))

使用基础我会

df$category[df$a < 0.5] <- "low"
df$category[df$a > 0.5 & df$a < 0.6] <- "middle"
df$category[df$a > 0.6] <- "high"

是否有一个dplyr，我想mutate()，这个解决方案吗？

此外，有没有办法计算类别而不是选择它们？即让R计算类别中断的位置。

修改

答案在于thread，但是，它不涉及标签，这使我感到困惑（并且可能会使其他人感到困惑），因此我认为这个问题有用。

Answer 1

要从数字转换为分类，请使用cut。在您的特定情况下，您需要：

df$category <- cut(df$a, 
                   breaks=c(-Inf, 0.5, 0.6, Inf), 
                   labels=c("low","middle","high"))

或者，使用dplyr：

library(dplyr)
res <- df %>% mutate(category=cut(a, breaks=c(-Inf, 0.5, 0.6, Inf), labels=c("low","middle","high")))
##               a category
##1   -0.560475647      low
##2   -0.230177489      low
##3    1.558708314     high
##4    0.070508391      low
##5    0.129287735      low
## ...
##35   0.821581082     high
##36   0.688640254     high
##37   0.553917654   middle
##38  -0.061911711      low
##39  -0.305962664      low
##40  -0.380471001      low
## ...
##96  -0.600259587      low
##97   2.187332993     high
##98   1.532610626     high
##99  -0.235700359      low
##100 -1.026420900      low

Answer 2

使用quantiles cut

xs=quantile(df$a,c(0,1/3,2/3,1))
xs[1]=xs[1]-.00005
df1 <- df %>% mutate(category=cut(a, breaks=xs, labels=c("low","middle","high")))
boxplot(df1$a~df1$category,col=3:5)